书目详细信息
： 基于知识图谱的云南植物知识问答系统的研究与构建
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于知识图谱的云南植物知识问答系统的研究与构建/.刘金平著/.彭琳指导 |
| 出版发行项： | 2023.6.5 |
| 载体形态项： | 52页:;+图表:;+30cm |
| 一般附注： | 大数据学院（信息工程学院）, 学号2021240533 |
| 提要文摘： | 云南省植物面积大、物种丰富。云南植物知识对于云南植物保护和资源利用有着重要的意义。云南植物知识主要以书籍文献形式存在，植物研究专家及植物爱好者无法快速获取到植物知识。为解决以上问题，帮助植物从业及植物爱好者高效准确地获取到有价值的信息，本研究利用知识图谱组织云南植物领域知识，使用深度学习模型理解用户输入的问句的语义信息，设计并且实现了基于知识图谱的云南植物知识问答系统。本文主要研究内容如下： （1）云南植物知识图谱构建方法研究。针对云南植物知识域缺乏开源知识图谱数据的问题，根据自顶向下和自底向上相结合的思想，构建了云南植物知识图谱概念模式。即自顶向下梳理云南植物知识领域模式，自底向上补充模式概念。针对知识图谱人工构建代价大的问题，提出了基于BERT-ADV-BILSTM-GLOBALPOINTER的云南植物知识图谱数据层构建方法。 该方法基于BIOES标注策略，采用BiLSTM网络模型自动提取文本信息，采用GlobalPointer模型约束标签在句子层面的合理性，完成云南植物知识实体识别，根据标签类别抽取云南植物知识三元组数据。针对知识图谱数据存储问题，使用Neo4j图数据库存储与展示云南植物知识图谱。通过实验调节模型参数，与传统的基线模型对比，本文提出的命名实体识别模型，分别在准确率上提高了1.26个百分点，召回率提升了0.56个百分点，F1值提升了1.23个百分点。 （2）基于知识图谱的云南植物知识问答方法设计。针对传统问答方法因分词结果不准确造成问句语义出现偏差的问题，设计了基于深度学习的云南植物知识问答方法。针对问句短文本包含特征较少、表达形式多样及云南植物知识领域特殊性问题，采用BERT模型对云南植物知识文本进行字符级别特征向量表示，采用BERT模型提取问句特征，完成问句意图理解，得到问句关系；针对问句实体识别问题，采用BERT-ADV-BILSTM-GLOBALPOINTER模型识别问句候选实体;针对答案查询问题，使用 Cypher语句查询知识图谱。实验表明，答案查询平均准确率为91.14%。 （3）基于知识图谱的云南植物知识问答系统设计与实现。设计并且实现了基于知识图谱的云南植物知识问答系统。系统以云南植物知识图谱为数据基础，采用前后端分离的架构，前端采用uniapp框架，后端采用fastapi框架，采用深度学习模型实现云南植物知识实体识别和知识问答功能，提高问答准确率，节省用户获取信息的时间，促进了云南植物智能化发展。 |
| 并列题名： | Research and Construction of Yunnan Plant Knowledge Question Answering System Based on Knowledge Graph eng |
| 题名主题： | 云南植物 问答系统 知识图谱 BERT BiLSTM 学位论文 |
| 中图分类： | TP399-533 |
| 个人名称等同： | 刘金平 著 |
| 个人名称次要： | 彭琳 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240529 |